은닉 마르코프 모델을 이용한 손 포스처 인식 방법 = A Hand Posture Recognition Method based on the Hidden Markov Models

다국어 초록 (Multilingual Abstract)

In this paper, we propose a hand posture recognition method based on the Hidden Markov Models. First, hand area is segmented from the input image using the difference images and HSV color thresholding. Next, finger points are extracted by countour tracing and the distances between the finger points are calculated and modeled. Finally, using the HMM forward algorithm the user's hand posture model is compared with the preconstructed sample models. Experimental results show our method can recognize individualized hand postures as well as various types of hand postures with about 90% recognition rate. Our method can be used in game interface or sign language recognition.

국문 초록 (Abstract)

본 논문은 은닉마르코프 모델(Hidden Markov Models)기반 손 포스처 인식 방법을 제안한다. 먼저 차영상과 컬러 임계값을 이용하여 손 영역을 분할한다. 그리고 난후, 손 외곽선을 추출하여 손가락 간의 특징 거리 값을 구한다. 마지막으로 HMM의 Forward 알고리즘을 이용하여 사용자의 손 포스처 에서 나타난 특징 거리 값이 미리 구성된 모범 모델에 적합한지 판별한다. 실험 결과 본 방법은 약 90%이상의 높은 인식률로 다양한 포스처의 인식이 가능할 뿐 아니라 개인의 차가 있는 손의 포스처 인식이 가능하였다. 본 연구 결과는 손을 이용한 게임 인터페이스나 수화인식에 사용될 수 있다.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 외곽선을 이용한 특징 추출
• 3. HMM을 이용한 손 포스처 인식
• 4. 실험 결과
• 5. 결론
• 참고문헌